| Studiju veids |
bakalaura akadēmiskās studijas |
| Studiju programmas nosaukums |
Informācijas tehnoloģija |
| Nosaukums |
Aģentiskā mākslīgā intelekta izmantošana darbplūsmu optimizācijā |
| Nosaukums angļu valodā |
The Use of Agentic Artificial Intelligence in Workflow Optimization |
| Struktūrvienība |
33000 Datorzinātnes, informācijas tehnoloģijas un enerģētikas fakultāte |
| Darba vadītājs |
Jānis Grabis |
| Recenzents |
Artis Ābolts |
| Anotācija |
Mūsdienās uzņēmumu darbplūsmu sarežģītība pieaug, un mākslīgā intelekta
tehnoloģiju attīstība, īpaši lielo valodas modeļu parādīšanās, paver jaunus veidus, kā šīs
darbplūsmas optimizēt. Tomēr pašreizējās aģentiskās darbplūsmas bieži ir manuāli
projektētas un nespēj pielāgoties dažādiem kontekstiem, kas ierobežo to praktisko
pielietojumu sarežģītākos scenārijos. Darba mērķis ir padziļināti izpētīt, kā aģentiskā
mākslīgā intelekta risinājumi var tikt izmantoti darbplūsmu optimizācijai, apvienojot
Capability Driven Development (CDD) pieeju ar kontekstuālo datu apstrādi. Darba
uzdevumi ietver literatūras apskatu par aģentiskajām darbplūsmām un CDD pieeju,
sešu populārāko aģentisko darbplūsmu rīku salīdzinājumu pēc astoņiem kritērijiem,
piecu posmu metodes izstrādi CDD pielietošanai aģentisko darbplūsmu projektēšanā,
kā arī astoņu eksperimentālo darbplūsmu variantu implementāciju klientu atbalsta
scenārijā. Eksperimentāli tika salīdzināti četri darbplūsmu varianti, tradicionālā bez
aģentiem, aģentiskā bez konteksta, aģentiskā ar kontekstu un aģentiskā ar kontekstu un
snieguma indikatoriem, abos izvēlētajos rīkos, N8N un LangGraph. Rezultāti parādīja,
ka konteksta pievienošana ne tikai uzlabo atbildes kvalitāti, bet arī samazina izpildes
laiku, savukārt snieguma indikatori sistēmas ziņojumos efektīvi standartizē aģenta
uzvedību. Darba apjoms — 63 lappuses, 11 tabulas, 11 attēli, 3 pielikumi, 16 izmantotie
informācijas avoti. |
| Atslēgas vārdi |
AĢENTISKĀ DARBPLŪSMA, MĀKSLĪGAIS INTELEKTS, CAPABILITY DRIVEN DEVELOPMENT, DARBPLŪSMU OPTIMIZĀCIJA, LIELAIS VALODAS MODELIS |
| Atslēgas vārdi angļu valodā |
AGENTIC WORKFLOW, ARTIFICIAL INTELLIGENCE, CAPABILITY DRIVEN DEVELOPMENT, WORKFLOW OPTIMIZATION, LARGE LANGUAGE MODEL |
| Valoda |
lv |
| Gads |
2026 |
| Darba augšupielādes datums un laiks |
25.05.2026 15:47:17 |
